非機動車影響下的區域交通信號控制優化

邢冰　韓印　徐輝

摘要：我國大中城市區域交通存在嚴重的機非沖突干擾，本文考慮了非機動車對交叉口以及路段的機動車阻滯干擾，以區域路網機動車總延誤最小化為目標，通過折減交叉口通行能力，優化相鄰交叉口相位差，建立了非機動車影響下的區域交通控制優化模型，算法的求解采用了傳統的遺傳算法。通過對上海市五角場環形區域路網分析表明，本文所提出模型進行優化后，區域路網機動車總延誤減少了18.81%，有效提高了區域道路網絡的運行效率。

關鍵詞：區域信號控制；阻滯干擾；車均延誤；非機動車影響

中圖分類號：S 773.6；U 491.5+1文獻標識碼：A文章編號：1001-005X（2015）01-0084-04

Regional Traffic Control Optimization Influenced

by Nonpowerdriven Vehicles

Xing Bing1，Han Yin1*，Xu Hui2

（1.School of Business，University of Shanghai for Science and Technology，Shanghai 200093；

2.Suzhou Municipal Engineering Design Institute Co.，Ltd，Suzhou 215125，Jiangsu Province）

Abstract：Traditional interference problems between vehicles and nondriven vehicles exist in the regional traffic control.The block interferences of nonpowerdriven vehicles on signalized intersections and links were considered.As the optimal index，the total delay was accepted by the model，capacity reduction and phase optimization was analyzed，which built the optimal model.Genetic algorithm was employed to solve the model.Taking Wujiaochang of Shanghai as an example，it is certificated that the total delay decreases by 18.81%，which indicated that the model could effectively improve the efficiency of the regional road network.

Keywords： regional signal control；block interference；average vehicle delay；nonpowerdriven vehicle influence

收稿日期：2014-08-31

基金項目：國家自然科學基金資助項目（51008196）；上海市一流學科項目（S1201YLXK）；上海高校青年教師培養資助計劃（slg12009）；同濟大學道路與交通工程教育部重點實驗室開放基金課題（K201303）

第一作者簡介：邢冰，碩士研究生。研究方向：智能交通、交通控制。

*通訊作者：韓印，博士，教授。研究方向：智能交通系統、交通控制與仿真技術研究。Email：hanyin2000@126.com

引文格式：邢冰，韓 印，徐輝.非機動車影響下的區域交通信號控制優化[J].森林工程，2015，31（1）：84-87.以機動車和非機動車為主體的混合交通條件是中國城市道路顯著特征之一。從路段方面來講，機動車道與非機動車道無隔離實施時，非機動車對機動車速影響較大；從交叉口方面來講，機動車與非機動車在同一平面運行，非機動車易侵占機動車道，導致機動車速大大降低。針對以上混合交通流特性，本文考慮非機動車影響因素，對區域交通信號控制進行優化。

國外學者最早開始研究區域交通控制問題。Robertson提出的TRANSYT系統是一種離線定周期的區域交通信號控制系統優化程序，但模型只是針對靜態交通流，不能體現動態交通流特性[1]。Allsop和Gartner闡述了區域交通控制的機理，以及交通信號控制對均衡交通流和車流行程時間有較大影響[2-3]。Yang等提出一個用以確定飽和交通狀態下路網交通分配和信號配時關系的雙層規劃模型，但模型僅將綠信比作為優化參數[4]。

國內學者劉燦齊通過對以交通均衡分配為基礎的雙層數學規劃模型進行改進，構造了區域交通協調控制模型，但是并未對模型的有效性進行驗證[5]。李潤梅等以飽和交通網絡為研究對象，建立了動態交通分配和信號控制一體化的雙層模型[6]。徐建閩等采用交通協調兩層控制方法進行建模，但模型中沒有區分低飽和和過飽和狀態[7]。劉芹等以區域交叉口總排隊車數與區域總輸出車輛數為性能指標，考慮排隊車數、相位差和有效綠燈時間，構建了適合各種交通狀態的控制模型[8]。張良智以用戶均衡理論為基礎，考慮了交通狀態劃分，引入區域通行度算子，但是模型未考慮混合交通的影響[9]。關于混合交通的信號控制研究，主要集中在行人以及非機動車與機動車信號協調方面。李娜分析了非線控路段和線控路段上行人過街信號與交叉口信號協調以及效益評價問題[10]。鄭長江系統研究了行人過街信號與交叉口信號聯動控制方案[11]。陳小紅通過分析慢行交通短距離出行特性的影響，建立了周期、綠信以及相位差優化模型[12]。但模型中未能充分地體現慢行交通特點，以及慢行交通對路網其他交通的影響情況。

綜上所述，本文考慮非機動車影響下區域交叉口通行能力的改變以及路段機動車運行延誤的影響，建立了區域信號控制優化模型，以此來有效協調區域路網機動車流和非機動車流的有效運行。

1非機動車影響下區域信號控制分析

1.1路段干擾

非機動車對路網機動車的的阻滯干擾是指非機動車占用機動車道阻擋了機動車的行駛，迫使機動車減速行駛，造成延誤[13]。本節采用交通流波動理論分析非機動車對路段機動車流延誤Tl的影響。由于非機動車占用機動車道，導致機動車隊頭車減速停駛，跟馳車流發生聚集和消散，因此機動車流會經歷一個從疏散到集結再到疏散的過程。設交通流變動分界線將沿交通流運行方向分割成兩段，qa、qb、va、vb、ka、kb分別是前后兩段交通流量、速度以及密度，從而得到交通波的移速度ρ：

第1期邢冰等：非機動車影響下的區域交通信號控制優化

森林工程第31卷

ρ=（vaka-vbkb）ka-kb。（1）

集結時間tlm中，受阻機動車數增長率δlm與機動車流密度km、集散波速ρlm以及非機動車平均速度v′有關：

qlmax=tlm·δlm=tlm·km（v′-ρlm）。（2）

qlt=δlm（tlm+tle）。（3）

機動車流集結過程中，以微變化時間段t內的受阻車數q（t）以及每車延誤時間為基礎，得到微變化時間段內的延誤時間Tlm，與最大受阻車數qlmax、機動車速v、進而得出機動車流集結過程的延誤時間Tlm。同理得到機動車流疏散時間tle內的延誤時間Tle：

Tlm=q（t）·（t-v′tv）=qlmax·ttl1（t-v′tv）。（4）

Tlm=qlmax·tlm（1-v′v）/2。（5）

Tle=qlmax·tle（1-v′v/2。（6）

1.2交叉口延誤

信號交叉口基本理論中機動車交叉口延誤時間Tpn的分析，分為正常相位延誤Tpon、隨機延誤和過飽和延誤Tprn，主要與非機動車車速v′、車頭空距L′、直行和左轉流量q′sl、q′ll以及機動車直左右及相位流量qsl、qll、qrl、qpl有關：

Tpon=Tn（1-λpn）22（1-qpl/Spn）。（7）

Tprn=Tn4[（qplCpn-1）+（qplCpn-1）2+4qplCp2n·Tn]。（8）

通常情況下，當機動車出現可接受間隙時，非機動車會搶先穿越交叉口，造成交叉口延誤時間的增加。非機動車影響下機動車通行能力Cpn的減少是增加交叉口延誤的重要原因之一，主要與交叉口的飽和流率Spn、信號周期Tn、綠信比λpn有關。本文基于交叉口機非沖突特征，考慮機動車路段飽和流量sl變化，以左轉機動車和直行非機動車沖突為主，通過非機動車通過交叉口時間占用相位綠燈時間的比重進行折減，得到折減系數fL：

Cpn=sl·λpn·fL=sl·λpn·qllqpl（1-L′·q′sl1/Tnv′·λpn·Tn）。（9）

2非機動車影響下區域交通控制優化

2.1模型的建立

本文提出的模型主要針對區域信號控制中周期、綠信比以及相位差參數進行優化。首先，針對周期和綠信比的優化，基于左轉機動車和直行非機動車沖突對交叉口通行能力進行折減，以交叉口機動車流總延誤最小為目標函數，建立區域交通信號控制優化模型如下：

F（T，λ，θ）=min∑l∑n∑pqplTn4[（qplCpn-1）2+4qplCp2n·Tn]l∈L，n∈N。（10）

綠信比λmax、λmin，周期Tmin、Tmin以及相位差θn，n-1、θn-1，n的約束條件如公式（11）～公式（13）所示。其中，L、N分別為區域路網路段以及交叉口集合。

λmin≤λ≤λmax。（11）

Tmin≤T≤Tmax。（12）

θn，n-1+θn-1，n=T。（13）

其次，進行相位差的優化。相位差的優化不僅力求區域路網車輛延誤時間最低化，還需要考慮非機動車對路段機動車的干擾影響。低飽和交通狀態下，相位差為車流在路段上的平均行駛時間，不隨信號周期的變化而變化；近飽和交通狀態下，相位差的優化需要考慮交叉口之間的車輛排隊長度與擁擠程度[14-16]。當機動車流駛離上游交叉口后，依據路段受到非機動車阻滯干擾引起的延誤時間，對區域路網相鄰交叉口相位差進行優化，主要與相鄰交叉口間距ln-1，n、車輛長度lcar、消散速度ρ以及排隊車數q有關[17]，如下：

θn-1，n=ln-1，nv-lcarqv-lcarqρ+qlt·tlm（1-v′v）/2。（14）

2.2求解算法

遺傳算法（Genetic Algorithm，GA）是一種求解問題的高度并行性全局搜索算法，它能夠自適應地控制搜索過程以求得最優解，快速實現適者生存、優勝劣汰遺傳，在諸多領域應用廣泛。因此本研究采用遺傳算法對上述模型進行求解，主要包括以下幾個步驟：

（1）首先初始進化代數令gen=0，確定遺傳算法的參數設置，如種群規模P、最大進化代數M、交叉概率pc、變異概率pm。

（2）設定二進制染色體位數，對模型中決策變量F（T，λ，θ）進行二進制編碼，隨機設定初始群Y作為初始信號配時方案。

（3）將路段流量值代入目標函數中，得到個體對應的適應度函數值，按個體適應度進行排序。當k>M時，算法結束，轉入5，最終得到適應度最大個體對應的周期、綠信比方案即為最終的信號設置方案；否則令k=k+1，轉入4進行最優個體選擇。

（4）按照輪盤賭方法進行選擇，按照比例將個體適應度轉化為個體選中概率，篩選出第k代種群，按照概率對種群中個體進行交叉、變異，得到新一代種群，轉入3，求得新一輪適應度函數值。

（5）若滿足k>M，終止運算，輸出最大適應度的個體作為最優解，得到最優控制方案；若k≤K，則k=k+1轉入3重新求得個體對應的適應度函數值。

3案例分析

如圖1所示，本文以上海市楊浦區五角場區域為例，主要包括8個交叉口，5條主干道，4條次干道。其中，交叉口3、5、6、7為四相位信號控制，其他交叉口為三相位信號控制。各交叉口早高峰的現狀交通信號控制方案和不同交通流數據，分別見表1和表2。

圖1五角場路網簡圖

Fig.1 Wujiaochang road network

表1現狀交通控制s

通過MATLAB編程設置各個參數：Tmax=220，Tmin=50；λmax=0.8，λmin=0.2；v′=45，v′=1.0；L′=0.5；sl=1 800，s′l=600；pc=0.95，pm=0.05，P=20，M=150。由于交叉口8的非機動車通過地下通道完成過街，本模型暫不考慮交叉口8。運用本文的模型對路網各交叉口信號參數進行優化，見表3，得到交叉口公共周期時長為178 s。采用VISSIM仿真對優化前后效果進行評價，可以看出，現狀路網車輛平均延誤為36.98 s，路網總延誤為231.2 h。優化后交叉口車輛平均延誤為29.22 s，路網總延誤為186.4 h。

表2交通現狀數據

Tab.2 Primary traffic demand data

交叉口序號東進口機非流量左轉直行右轉非西進口機非流量左轉直行右轉非南進口機非流量左轉直行右轉非北進口機非流量左轉直行右轉非1〖10〗6972699315093625962〖6〗13420818010391747819622897416332711036932051156541075124702151164772545974210506160193467944116223533674883474161001035182650233164486849135186803311281041822742161096992293786〖10〗111729871901059667217573021706091922623631082019722301879894767174

表3優化后交通信號控制s

Tab.3 Signal control after optimizations

交叉口序號相位1相位2相位3相位4周期時長相位差現狀車均延誤優化后車均延誤111766〖6〗1785924.521.6210338421784231.324.53854038201784437.232.145085481783138.427.95453760411784741.136.26356530531787936.527.27604835401788142.935.1區域平均延誤/s〖8〗35.9829.22

分析可知，區域路網現狀車均延誤為36.98 s，通過本文模型對路網交通控制方案的改善，路網機動車輛平均延誤降為29.22 s，總延誤降低了18.81%。所以考慮非機動車影響條件，能夠有效降低區域路網車輛整體延誤時間，證明了本文模型的適用性和有效性。

4結束語

本文考慮非機動車對機動車流在交叉口以及路段阻滯干擾，以區域路網機動車輛交叉口總延誤為優化目標，對區域交通控制優化模型進行了分析，并采用傳統的遺傳算法進行求解。案例表明，通過本研究優化方案，路網機動車輛平均延誤為29.22 s，與現狀車均延誤36.98 s相比，總延誤降低了18.81%。本研究模型能夠有效降低區域路網機動車流總延誤時間，進一步驗證了本文優化模型有效性。但是，本文未考慮行人流特征對機動車流的運行影響因素，機動車與非機動車其他轉向的沖突也不全面，有待深入研究。

【參考文獻】

[1]Robertson D I.TRANSYT：a traffic network study tool[R].Transport and Road Research Laboratory，Crowthrone，1969.

[2]Allsop R E.Some possibilities for using traffic control to influence trip distribution and route choice[A].In：Buckley D J，eds.The Proceeding of the Sixth International Symposium on Transportation and Traffic Theory[C].New York：Elsevier；1974：345-374.

[3]Gartner N H.Area traffic control and network equilibrium[A].In：Florian MA，eds.Traffic Equilibrium Methods[M].New York：Springer，1976：274-297.